博士申请 | 香港科技大学（广州）谢思泓教授招收CV/多模等方向全奖博士/博后/RA...-CSDN博客

合适的工作难找？最新的招聘信息也不知道？

AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！

香港科技大学（广州）

香港科技大学是亚洲乃至全球领先的研究学府之一，并被认为是世界上发展最快的大学之一，在 2023年，位列 QS 世界大学排名第 40 位和泰晤士高等教育世界年轻大学排名第2位。2022年9月，香港科技大学启用广州校区，重点发展交叉学科，以与清水湾校区相互补足。课程设计将围绕信息、功能、系统、社会四个枢纽定位，研究范畴涵盖数据科学、机器人与自动化系统、人工智能、先进材料等新兴和前沿领域。学校拥有先进的科研设备和丰富的计算资源。在保证两个校区地位平等，学位证、学生待遇一致的前提下，广州校园政策更加灵活。校园位于广州南沙，生活成本低、便利舒适，交通便捷，气候宜人。为培养学生在全球化竞争中成为跨文化的领导者，香港科技大学（广州）以英语为基本工作语言和教学语言。

导师简介

谢思泓，香港科技大学（广州）人工智能学域长聘副教授，可靠人工智能探索实验室 (ExRAIL: Exploratory Reliable AI Lab) 负责人，香港科技大学（广州）-广东联通联合三算实验室执行副主任。于2016年在伊利诺伊大学芝加哥分校获得博士学位（导师Philip S. Yu教授，ACM/IEEE Fellow）。此前于美国里海大学（Lehigh University）担任助理教授并于2023年获终身教职。主要研究可靠机器学习及其在制造业、医疗健康、金融行业、机器人等领域的应用。已在包括NeurIPS, ICLR，KDD，UAI，WWW，AAAI，IJCAI，TKDE等顶级期刊和会议上发表论文超70篇，获得了超过2700次引用（h-index 20）。主持超过100万美元的美国自然科学基金委科研项目，并于2022年获美国自然科学基金委（NSF）CAREER Award，2024年获腾讯微信犀牛鸟专项研究计划资助，入选国家、广东省、广州市等高层次学者计划。曾担任美国自然科学基金委评审专家。目前担任AAAI，TheWebConf程序委员会高级委员、ACM SIGSPATIAL China、CCF-AI、CCF-BigData、CIPS大搜索等专委会执行委员，及NeurIPS、ICML、ICLR、ICDM、SIGIR、TKDE与TPAMI等会议和期刊担任程序委员会委员。实验室与多个行业头部机构如腾讯、华为、联通、广医附属医院建立了长期合作关系，接触真实业务场景、拥有大规模数据与算力资源。与人工智能领域知名学者（Hui Xiong（IEEE Fellow/长江讲席/国家杰青）、Philip S. Yu（IEEE/ACM Fellow））共同指导学生。

学生培养模式与理念

1. 强调深度与广度结合：鼓励学生深入基础算法与理论，成为细分领域的专家；面向现实世界的复杂性，在实际场景将成果转化为可用的人工智能产品，做“顶天立地”的科研。

2. 注重独立与合作共进：鼓励学生主导课题，与导师、合作者一起发现科学问题、提出解决方案。有志于成为行业领袖的学生有机会主导科研项目，全方位锻炼领导力。

3. 学术严谨与创新思维并重：在严格规范的学术训练中提升科研品味，挑战传统观念、突破传统框架。通过学术讨论、思维碰撞激发创新灵感，推动学术前沿发展。

4. 跨学科视野塑造：秉承港科大（广州）办学理念，融合人工智能与智能制造、机器人、生物医疗、数学等领域，与多学科学者合作，培养独特学术视角，提升学生在未来工作环境中的竞争力。

研究方向

1. 计算机视觉：基础模型辅助数据标注算法系统；基于拓扑学与光流（optical flow）的视觉技术；可迁移视觉基础模型。应用领域：智能制造、医疗健康。

2. 多模态大语言模型研究：垂直领域多模态大模型数据标注、高效全量微调与部署、隐私保护研究；具有情感感知能力的对话机器人；大模型幻觉检测与缓解。应用领域：互联网、智能制造、医疗健康。

3. 3D空间感知与规划：机器人长轨迹规划与扩散模型加速；基于大模型的空间推理与不确定性估计；鲁棒在线强化学习。应用领域：低空经济、机器人。

4. 可靠机器学习理论研究：基于微分几何（Ricci Curvature, statistical manifold）的可解释图模型；基于流模型的概率分布对齐与可泛化不确定性量化；拓扑数据分析（TDA）；图基础模型预训练与提示学习机理研究。应用领域：互联网安全应用、智能制造。

代表性论文

[AAAI’25] Adapting to Non-Stationary Environments: Multi-Armed Bandit Enhanced Retrieval-Augmented Generation on Knowledge Graphs. Xiaqiang Tang, Jian Li, Nan Du, and Sihong Xie* [TL;DR]通过多臂老虎机，在线学习如何平衡知识图谱上RAG的精度与效率。

[NeurIPS’24] Training for Stable Explanation for Free. Chao Chen, Chenghua Guo, Rufeng Chen, Guixiang Ma, Ming Zeng, Xiangwen Liao, Xi, Zhang, and Sihong Xie* [TL;DR]通过推导优化理论，在不损失精度前提下，提升模型解释的鲁棒性。

[NeurIPS’24] Linear Uncertainty Quantification of Graphical Model Inference. Chenghua Guo, Han Yu, Jiaxin Liu, Chao Chen, Qi Li, Sihong Xie*, and Xi Zhang* [TL;DR]在具有不确定性的图数据上，线性化节点间复杂的不确定性依赖，量化节点分类不确定性，并推导统计误差保证。

[NeurIPS’24] Enhancing Robustness of Graph Neural Networks on Social Media with Explainable Inverse Reinforcement Learning. Yuefei Lyu, Sihong Xie, Chaozhuo Li, Xi Zhang* [TL;DR]对社交网络上未知的攻击者行为逆向建模，学习数据增广策略提高检测精度和可解释性。

[ICLR’23] A Differential Geometric View and Explainability of GNN on Evolving Graphs. Yazheng Liu, Xi Zhang, and Sihong Xie [TL;DR]在动态图数据上将图模型建模为微分流形，通过优化流形上最短路径，获得高精度的图模型可解释性。

职位要求

1. 基本要求：理工科专业背景，具备扎实的数学、算法基础，熟练使用至少一个LLM/CV/Robotics/DL/RL编程框架或仿真环境。具备快速学习能力，团队协作沟通和批判性思维能力，开展创造性研究的能力，文献阅读总结能力。

2. 加分项目：独立开展科研能力、团队组织领导力；作为主要作者发表高水平论文；获得知名竞赛奖项或国家奖学金；高引用或复杂度的开源软件或系统；头部企业团队实习经验。

岗位待遇

1. 博士后：综合年薪（工资+补助）可达40-50万；

2. 博士：每月津贴15000人民币；

3. 科研助理：薪水面议。

申请方式

符合上述要求者，请发送邮件至 sihongxie@hkust-gz.edu.cn（标题：Prospective Student–姓名–预期开始时间，如2025春/秋 Fall），并附以下信息及材料：